IA y formación profesional

Columna

Educación

02 de marzo de 2026

IA y formación profesional

Entre eficiencia, dependencia y responsabilidad

La inteligencia artificial (IA) ha dejado de ser una promesa tecnológica para integrarse, de forma concreta, en prácticas educativas y organizacionales, transformando la manera en que los profesionales se forman, aprenden y actúan. Según un informe del Digital Education Council, publicado en 2025, el 88% de las instituciones investigadas utilizaron la IA de forma mínima o moderada en los procesos de enseñanza, y el 75%, para la elaboración de material didáctico.

 La aplicabilidad de la inteligencia artificial ya se refleja de forma concreta en el entorno organizacional. Datos de la McKinsey Global Survey on the State of AI 2025 indican que el 88% de las organizaciones utilizan IA regularmente en al menos una función de negocio, abarcando actividades como automatización, optimización de procesos y soporte a la toma de decisiones, evidenciando que la tecnología dejó de ser experimental y pasó a integrar prácticas operacionales. Sin embargo, es crucial analizar cómo esta misma tecnología puede impactar negativamente la formación de los futuros profesionales de TI.

La IA es una herramienta con un inmenso potencial para ayudar a estudiantes y profesores en el proceso de aprendizaje. Las plataformas de aprendizaje adaptativo, los tutores virtuales y los asistentes inteligentes facilitan el acceso al conocimiento y personalizan el ritmo de aprendizaje. Por otro lado, estudios recientes indican que el uso recurrent de herramientas de IA generativa puede reducir el compromiso cognitivo en actividades complejas.

La investigación presentada en la CHI 2025 por Lee y colaboradores, basada en una encuesta a 319 profesionales y 936 ejemplos reales de uso de IA en el trabajo, muestra que niveles más altos de confianza en los sistemas están estadísticamente asociados con menor esfuerzo cognitivo y menor activación del pensamiento crítico.

Los autores también observaron un cambio en el papel del profesional, que pasa de la ejecución a la simple supervisión de respuestas automatizadas, aumentando el riesgo de dependencia tecnológica y el debilitamiento de la capacidad de resolución independiente de problemas a lo largo del tiempo.

Una de las principales preocupaciones se refiere al riesgo de superficialidad en el aprendizaje asociado al uso recurrente de herramientas de IA generativa. Fan, L.; Deng, K.; Liu llevaron a cabo, en 2025, un estudio con 148 estudiantes de ingeniería de China que mostró que, aunque el 88,52% de los participantes informaron un aumento de la eficiencia de estudio, casi la mitad afirmó que su rendimiento académico se mantuvo prácticamente inalterado.

Los autores observan que la sensación de productividad generada por la automatización de tareas puede enmascarar lagunas en la comprensión conceptual, creando una percepción de aprendizaje disociada de la adquisición efectiva de conocimiento.

Además, parte de los estudiantes reportó reducción de la autonomía cognitiva, indicando que la dependencia de respuestas automatizadas puede llevar a la negligencia de etapas fundamentales del proceso formativo y limitar el desarrollo del razonamiento lógico y de la resolución independiente de problemas. Esto puede culminar en una generación de profesionales altamente dependientes de la tecnología y con fragilidades técnicas preocupantes.

Otro punto delicado se refiere al impacto de la IA en el compromiso y la motivación de los estudiantes. Una revisión sistemática publicada en 2025 en la revista Computers and Education: Artificial Intelligence, realizada por Heung y Chiu, con un metaanálisis que involucró 17 estudios empíricos y 1.735 participantes, mostró que, si bien las actividades mediadas por ChatGPT presentan un aumento promedio en los niveles generales de compromiso, los efectos cognitivos son inconsistentes, especialmente en tareas que requieren comprensión profunda, escritura y programación.

Los autores destacan que parte de los estudiantes tiende a recurrir al sistema para concluir actividades de forma más rápida, lo que puede reducir la implicación en procesos cognitivos complejos. Además, el estudio identifica prácticas recurrentes de copiar y pegar códigos o respuestas generadas por la IA, asociadas a comportamientos de dependencia y a la disminución de la participación activa en tareas desafiantes, indicando riesgos de aprendizaje superficial cuando no hay mediación pedagógica adecuada. Esto no solo perjudica el aprendizaje individual, sino que también debilita el mercado, que necesita profesionales innovadores, curiosos y preparados para resolver problemas inéditos.

En el mercado de trabajo, la expansión de la IA ya produce efectos concretos sobre la organización de las actividades profesionales. Volviendo al McKinsey Global Survey – The State of AI 2025, el estudio mostró reducciones de costo, especialmente reportadas en áreas como ingeniería de software, manufactura y tecnología de la información.

Además, señaló que el 32% de los encuestados esperaban una reducción en el tamaño de la fuerza laboral de sus organizaciones al año siguiente, como consecuencia de la IA. Estos datos sugieren que la automatización tiende a sustituir tareas rutinarias y repetitivas, además de reconfigurar el perfil de las competencias demandadas.

Surge, así, una paradoja formativa: mientras la tecnología exige mayor sofisticación técnica y capacidad de adaptación, parte de las actividades tradicionales del área pasa a ser absorbida por sistemas automatizados. Además, la dimensión ética y la responsabilidad social asociadas al desarrollo tecnológico no pueden ser secundarizadas en la formación profesional.

Riesgos

La Recomendación sobre la Ética de la Inteligencia Artificial, adoptada por la Unesco en 2021, destaca que los sistemas de IA implican riesgos relacionados con el sesgo algorítmico, la discriminación, la protección de datos y amplios impactos sociales, lo que exige una gobernanza responsable y una supervisión humana cualificada.

En este contexto, la formación en tecnología no puede restringirse al dominio instrumental de las herramientas, sino que debe incorporar una reflexión crítica sobre las consecuencias sociales, jurídicas y morales de la aplicación de estos sistemas. El riesgo es formar profesionales técnicamente aptos, pero desconectados de la reflexión ética, lo que puede resultar en soluciones problemáticas e incluso peligrosas para la sociedad.

Otro desafío se refiere a la desigualdad estructural en el acceso a las tecnologías digitales. Según datos publicados por la Unión Internacional de Telecomunicaciones en 2025, aunque el 74% de la población mundial está conectada, alrededor de 2.200 millones de personas permanecen offline, concentradas mayoritariamente en países de ingresos bajos y medios. Mientras que las naciones de altos ingresos se acercan a la universalización del acceso, solo el 23% de la población de los países de bajos ingresos utiliza internet.

Además, persiste una diferencia significativa entre áreas urbanas y rurales, con el 85% de los habitantes urbanos conectados, frente al 58% de la población rural. Así, la expansión de la IA tiende a beneficiar desigualmente a diferentes grupos sociales, manteniendo a estudiantes y futuros profesionales sin acceso regular a conectividad, dispositivos y herramientas digitales, y reforzando las desigualdades regionales.

Finalmente, la creciente confianza en sistemas de IA puede influir en la forma en que los profesionales manejan situaciones complejas e imprevistas. En un estudio presentado en la CHI 2025 sobre el uso de IA generativa en actividades cognitivas, Lee y colaboradores demostraron que la delegación recurrente de decisiones al sistema se asocia con una reducción del esfuerzo analítico y la transferencia del rol humano de la ejecución a la supervisión. Los autores advierten que este patrón puede debilitar la resolución independiente de problemas con el tiempo.

En contextos profesionales, este proceso tiende a reducir la exposición a desafíos abiertos, lo que puede contribuir a limitaciones en la improvisación, la autonomía y la capacidad de adaptación, competencias esenciales ante escenarios de crisis y la imprevisibilidad tecnológica. Por lo tanto, aunque la IA represente una aliada relevante, es fundamental que educadores, estudiantes y profesionales estén atentos a sus límites y riesgos. La formación contemporánea debe buscar el equilibrio entre el uso de la inteligencia artificial como herramienta y el fortalecimiento de las competenciashumanas esenciales, como pensamiento crítico, autonomía, creatividad y responsabilidad ética. El futuro de las tecnologías depende directamente de la calidad de esta formación humana. Cuando se utiliza solo como atajo, la IA puede debilitar la base del aprendizaje y de la innovación; cuando se integra de forma consciente y crítica, puede ampliarcapacidades humanas y contribuir a un desarrollo más justo, sostenible y socialmente responsable.

Quién publicó esta columna

Maurício Acconcia Dias

Possui graduação em Ciência da Computação pela Universidade Federal de Lavras, mestrado e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo e MBA em Data Science Analytics pela USP/Esalq. Atua com desenvolvimento de hardware para sistemas inteligentes aplicados à robótica. É consultor em Data Science & Analytics e Desenvolvimento de sistemas embarcados e orientador do MBA USP/Esalq.

También te puede interesar

02 de octubre de 2026

Determinantes de la ubicación de supermercados en São Paulo

Un estudio investigó los factores determinantes de la ubicación de supermercados en el estado de São Paulo, con el objetivo de investigar los factores que explican la presencia y expansión de estos establecimientos, considerando dimensiones socioeconómicas, demográficas y de mercado. Se utilizaron datos de los Censos Demográficos de 2010 y 2022 del IBGE y información del Cadastro Nacional de Pessoas Jurídicas de la Receita Federal do Brasil para construir una base de datos georreferenciada. Se aplicó un modelo de clasificación Random Forest, ajustado por grid search con validación cruzada, priorizando la métrica recall-macro debido al desbalanceo de la variable dependiente, que representó la presencia o ausencia de supermercados en un buffer de 50 metros. Los resultados indicaron que la ubicación de supermercados está fuertemente asociada a características demográficas, de ingresos y de población en el entorno. El análisis de importancia de las variables evidenció que factores sociodemográficos, como alfabetización de ancianos, ingresos familiares y la presencia de otros establecimientos de alimentación, ejercieron una influencia significativa, especialmente en el entorno inmediato. Los hallazgos reforzaron la hipótesis de que la distribución espacial de supermercados no es aleatoria, siendo condicionada por características socioeconómicas y por la estructura comercial del territorio, ofreciendo subsidios para decisiones empresariales y planificación urbana.

Palabras clave: Análisis espacial; Aprendizaje automático; Expansión; Ubicación comercial; Supermercados.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Educación Antirracista: Prácticas Educativas Inclusivas y Desarrollo Social

La educación antirracista, comprendida como eje estructurante de la educación inclusiva y del desarrollo social, fue investigada en el contexto brasileño. El estudio tuvo como objetivo identificar y analizar, con base en documentos legales y en la percepción de profesores, las prácticas educativas capaces de promover el antirracismo en la escuela y en la sociedad, y cómo la implementación de las Leyes nº 10.639/03 y nº 11.645/08 contribuyó a la justicia social. Se adoptó un enfoque cualitativo y documental, con análisis de legislación educacional, directrices curriculares, informes institucionales y literatura académica. Complementariamente, se aplicó un cuestionario semiestructurado a 295 profesores de Educación Básica. Los datos fueron evaluados cuantitativa y cualitativamente, por medio de análisis de contenido temático, y validados con estudios bibliográficos. Los resultados revelaron una paradoja: a pesar de un marco legal robusto, la implementación de las políticas antirracistas se mostró frágil y puntual, con carencia de formación docente, materiales didácticos adecuados y monitoreo. Se constató la persistencia de desigualdades educacionales significativas entre estudiantes blancos y negros, y la mayoría de los profesores reconoció la ocurrencia de racismo en las escuelas, pero sin protocolos institucionales claros. El análisis neurocientífico demostró que el racismo impacta negativamente el desarrollo cognitivo y emocional de los estudiantes. Se concluyó que la educación antirracista es central para una educación de calidad, exigiendo compromiso político, inversión pública y articulación intersectorial. La integración de la Neurociencia en la formación docente y la producción de materiales cualificados son cruciales para fortalecer el papel de la escuela en la construcción de una sociedad más justa e inclusiva.

Palabras clave: Desarrollo Social; Educación Antirracista; Justicia Social; Ley 10.639/03; Prácticas Educativas Inclusivas.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Caminos de la Inclusión: Percepciones de Padres y Profesores sobre la Escolarización de Estudiantes con Doble Excepcionalidad en el Contexto Brasileño

La Doble Excepcionalidad, caracterizada por la coexistencia de Altas Habilidades/Superdotación y trastornos del neurodesarrollo, representa un fenómeno complejo que desafía los modelos tradicionales de identificación y escolarización. El estudio tuvo como objetivo comprender las percepciones de padres o tutores, profesores y otros profesionales de la educación sobre la escolarización de estudiantes con Doble Excepcionalidad en el contexto brasileño, investigando desafíos, estrategias pedagógicas y posibilidades de inclusión basadas en la equidad. La investigación adoptó un enfoque cualitativo, exploratorio y descriptivo, y recopiló datos a través de un cuestionario en línea, voluntario y anónimo, respondido por 25 participantes. Los datos discursivos fueron analizados mediante análisis de contenido temático. Los resultados indicaron que el conocimiento sobre el tema se construye frecuentemente a partir de experiencias personales y profesionales, revelando lagunas en la formación sistematizada. Se identificaron dificultades en la identificación de estos estudiantes, en la formación docente y en la implementación de planes educativos individualizados, flexibilización pedagógica y enriquecimiento curricular. Se relataron repercusiones socioemocionales, como frustración y baja autoestima. Sin embargo, algunas escuelas demostraron prácticas inclusivas fundamentadas en la equidad, articulando necesidades específicas y potencialidades. Aunque los resultados no permiten generalizaciones, evidenciaron la necesidad de fortalecer la formación profesional y la articulación entre escuela, familia y servicios especializados. Se concluyó que la inclusión de estudiantes con Doble Excepcionalidad requiere prácticas que reconozcan simultáneamente sus dificultades y potencialidades, garantizando condiciones equitativas de participación, aprendizaje y desarrollo.

Palabras clave: Desarrollo humano; Formación docente; Inclusión escolar; Neurodivergencia; Prácticas pedagógicas.

02 de octubre de 2026

Modelado predictivo para la gestión de inventarios: aumento de la productividad y la eficiencia en un centro de distribución de alimentos

La gestión eficiente de las operaciones logísticas en centros de distribución es fundamental para la competitividad, especialmente en actividades intensivas en mano de obra, que impactan los costos operativos y el nivel de servicio. El estudio tuvo como objetivo desarrollar y evaluar diferentes modelos de pronóstico de demanda para optimizar la gestión de inventario y recursos en un centro de distribución de alimentos. Para ello, se utilizaron datos históricos de movimiento de un sistema WMS, aplicando modelos de regresión lineal, suavización exponencial de Holt-Winters y el algoritmo LightGBM. Los resultados indicaron que los modelos tradicionales presentaron limitaciones en la captura de la dinámica de la demanda, con un rendimiento inferior al LightGBM. El algoritmo de aprendizaje automático demostró un rendimiento superior, especialmente después de la incorporación de mayor granularidad de los datos y variables temporales, lo que permitió una mayor adherencia a la dinámica de la demanda. La aplicación del modelo resultó en una reducción del 36,38% en el desplazamiento para el pallet picking y del 31,98% para el case picking, totalizando una reducción global del 33,64%. Se concluyó que la utilización de modelos predictivos contribuyó a la mejora de la eficiencia operativa, permitiendo una mejor asignación de recursos y organización de los artículos en el proceso de separación de pedidos.

Palabras clave: Aprendizaje automático; Clasificación ABC; Eficiencia operativa; Logística; Pronóstico de demanda.

02 de octubre de 2026

Transformación de Datos en Estrategia: Investigación Aplicada para la Optimización de Operaciones en Ecoturismo

La creciente demanda en el turismo ecológico en Minas Gerais impulsó la búsqueda de inteligencia de negocios para transformar datos de clientes en información estratégica. El estudio objetivó estructurar un pipeline de ciencia de datos para recolectar, segmentar y clasificar la base de clientes de una operación de ecoturismo, con el fin de optimizar acciones de marketing y anticipar movimientos de mercado. Se realizó una investigación exploratoria, de naturaleza cuali-cuantitativa, por medio de un estudio de caso. Se utilizaron 2.777 registros transaccionales de una empresa de ecoturismo, referentes a enero de 2024 a diciembre de 2025. El proceso metodológico involucró recolección automatizada de datos (API Google Sheets), tratamiento y enriquecimiento (ETL), validación y creación de atributos RFM (Recencia, Frecuencia y Valor Monetario). Se aplicó reducción de dimensionalidad vía PCA y agrupamiento K-Means, con el número de clusters definido por el método del Codo y Silhouette Score. Se validaron los resultados con DBSCAN y K-Medoids. Los resultados revelaron la identificación de tres segmentos comportamentales de clientes: “Fiel”, “Bajo Valor” y “Potencial”. El segmento “Fiel” representó el mayor valor económico acumulado, mientras que el “Potencial” se destacó por el alto ticket promedio y potencial de conversión en recurrencia. La integración de las técnicas de análisis de datos demostró ser un método robusto y replicable para generar inteligencia en el ecoturismo. Se concluyó que el pipeline de ciencia de datos estructurado viabilizó la segmentación comportamental de la base de clientes, la validación estadística de los grupos y la creación de un sistema predictivo para nuevos compradores, proporcionando subsidios para decisiones estratégicas basadas en datos y futuros análisis.

Palabras clave: Clusterización; Inteligencia de negocios; Machine Learning; Segmentación de clientes; Toma de decisiones.

02 de octubre de 2026

Clasificación de clientes morosos mediante técnicas supervisadas de aprendizaje automático

El riesgo de incumplimiento en operaciones de crédito demandó enfoques analíticos para anticipar pérdidas. Este estudio evaluó comparativamente el desempeño de modelos supervisados de aprendizaje automático en la clasificación de clientes incumplidos en operaciones de tarjeta de crédito. Se utilizó la base pública “Default of Credit Card Clients”, de la Universidad de California Irvine, con 30.000 observaciones y desbalanceo de clases. Se emplearon los algoritmos Regresión Logística, Random Forest y Extreme Gradient Boosting. El desbalanceo se trató mediante la asignación de pesos a las clases, y la optimización de los modelos se realizó con el método RandomizedSearchCV, priorizando la sensibilidad. Los resultados de la validación cruzada indicaron que el modelo Extreme Gradient Boosting presentó mayor capacidad de identificación de la clase incumplida y mejor desempeño discriminatorio, seguido por Random Forest y Regresión Logística, con una sensibilidad de 0,8250 y un AUC-ROC de 0,7844 para el XGBoost. El análisis de interpretabilidad, realizado por la técnica Shapley Additive Explanations (SHAP), evidenció la predominancia de variables asociadas al comportamiento de pago, especialmente el historial de retrasos. Se concluyó que los modelos basados en árboles, particularmente técnicas de boosting, se mostraron más adecuados para capturar patrones complejos en los datos, configurándose como alternativas consistentes para la gestión de riesgo de crédito.

Palabras clave: Aprendizaje Automático; Tarjeta de Crédito; Clasificación; Extreme Gradient Boosting; Riesgo de Crédito.

02 de octubre de 2026

Análisis de Sentimientos sobre Bancos Brasileños en Twitter/X: Comparación entre Instituciones Tradicionales y Digitales

Un estudio analizó la percepción pública sobre instituciones financieras brasileñas en la plataforma Twitter/X, resaltando la importancia del monitoreo de sentimientos en redes sociales para la comprensión de la reputación y la experiencia del cliente en el sector bancario. El objetivo consistió en comparar la percepción de los usuarios sobre la imagen y la reputación de bancos tradicionales y digitales, a partir de los patrones de sentimiento identificados en las manifestaciones analizadas, buscando identificar diferencias estructurales entre estos grupos. La metodología se basó en el análisis de 1.096 tweets recopilados entre noviembre de 2022 y junio de 2023. Se utilizaron dos enfoques complementarios de análisis de sentimientos, la suma y la media de las etiquetas, para captar el sentimiento mayoritario y los matices de la percepción. Adicionalmente, se desarrollaron el Modelo de Perfil de Mercado, con indicadores de reputación emocional, riesgo reputacional, neutralidad y polarización, y el Modelo de Clusterización Bancaria, que permitió agrupar las instituciones conforme a patrones de percepción. Los resultados indicaron predominancia de sentimientos neutros y negativos, mayor volumen de interacciones en los bancos digitales y diferencias estructurales en la intensidad emocional de las percepciones, con mayor estabilidad en los bancos digitales y mayor polarización en los tradicionales. Se concluyó que la combinación de técnicas analíticas y estadísticas contribuyó a una comprensión profunda de la imagen institucional en el entorno digital, evidenciando la importancia de estrategias de gestión de la reputación basadas en datos.

Palabras clave: Bancos digitales; Bancos tradicionales; Modelado de datos; Opinion mining; Redes Sociales.

02 de octubre de 2026

Optimización de la planificación presupuestaria anual mediante metodologías de gestión de proyectos

El Plan Presupuestario Anual (POA) es un proceso crucial para traducir la estrategia organizacional en metas operativas y financieras, pero frecuentemente enfrenta presiones de plazos, dependencias interdepartamentales y la repetición de gastos habituales. El estudio objetivó analizar cómo la aplicación combinada de prácticas de gestión de proyectos y del Presupuesto Base Cero (PBC) puede optimizar el POA. Para ello, se desarrolló un estudio de caso en la operación brasileña de una compañía abierta del sector de bebidas, utilizando investigación documental de su informe de resultados de 2023 y un cuestionario anónimo aplicado a 47 encuestados. El análisis documental indicó crecimiento de la receta neta, expansión del margen bruto y del EBITDA ajustado, y avance contenido de los gastos de ventas, generales y administrativos, sugiriendo disciplina de costos y apalancamiento operativo. El relevamiento complementario reveló alta percepción de efecto cascada en el cronograma, fuerte apoyo a la definición de responsables por paquetes de costos y preferencia por justificación técnica de los gastos, además de demanda por flexibilidad controlada tras la definición de la línea base. Se concluyó que la estructuración del POA como proyecto, asociada al rigor del PBC, aumentó la previsibilidad del proceso, reforzó la responsabilidad sobre los gastos y amplió la coherencia entre la ejecución presupuestaria y el desempeño económico-financiero.

Palabras clave: Control de Costos; Eficiencia Operativa; Presupuesto Base Cero; PMBOK; Sector de Bebidas.

02 de octubre de 2026

Innovación en modelos de negocio tradicionales y su impacto en el entorno laboral

El estudio analizó cómo la innovación aplicada en modelos de negocio tradicionales impacta el ambiente de trabajo. Con este objetivo, se realizó una investigación de campo que involucró a 225 profesionales de diferentes sectores y niveles jerárquicos. La recolección de datos se llevó a cabo a través de un cuestionario estructurado, que investigó el perfil, las percepciones y los comportamientos de los participantes en relación con la innovación. Los resultados obtenidos indicaron que los colaboradores de empresas consideradas innovadoras percibieron niveles elevados de innovación, demostraron mayor compromiso, motivación para proponer mejoras y una mejor comprensión de los cambios implementados. En contraste, los profesionales de empresas tradicionales presentaron una percepción de innovación más baja, mayor neutralidad frente a las transformaciones y niveles más elevados de estrés e inseguridad en el ambiente laboral. Se observó, además, que el liderazgo, la comunicación clara, el apoyo y la capacitación adecuada fueron identificados como factores esenciales para facilitar la adaptación a los cambios y aumentar la receptividad de los colaboradores. Se concluyó que la tipología organizacional, asociada a la cultura y a las prácticas de gestión, influye directamente en la forma en que se vive la innovación internamente y sus efectos en el ambiente de trabajo.

Palabras clave: Compromiso; Empresas tradicionales; Gestión del cambio.